因為如果前一層feature map數量是1000個，直接用3*3 conv算計算量太大，所以會先採用1*1conv降低feature map數，然後在用3*3 conv計算，這樣計算量才會低，在大部分的人都會採用這種技巧。比如inception的其中一條路就是這樣，因為一個inception會走三到四條分支，因為不知道用1*1conv,3*3conv還是5*5conv好，乾脆都去做，最後在concat起來，讓網路自己去學那個大小的kernel map比較重要，但5*5conv計算量很大，如果餵進來的feature map數很大不做降維，整體網路會非常慢。

當然除了降維，也有不少用來升維度，比如mobilenetv2的bottleneck結構，為了解決depthwise conv特徵量的不足，利用1*1conv先將feature map數增加特徵，然後在做depthwise conv，在用1*1conv將feature map做訊息整合在輸出給下一層使用。